一、介绍
本文提出的方法分为:
- 基于马尔科夫决策过程(
Markov Decision Processes
)构建弹性动作的模型
- 利用模型制定具体的弹性策略
使用马尔科夫决策过程的原因:
MDPs
可以捕捉问题的转移概率和不确定性
- 在当前状态下,不确定性是由于可能有几种适用的弹性决策,导致不同未来的系统状态
- 转移概率可以让我们考虑系统的状态演变情况
本文的主要贡献:
- 提出了一种在运行时使用连续在线定量验证来进行弹性决策的方法,并且是基于可扩展的,自动生成的和动态实例化的
MDP
模型
- 提出了模型的变种,并阐述了一些最大化效用函数的弹性策略
- 在不断变化的外部负载下的弹性
NoSQL
集群使用真实的日志进行实验,结果表明,使用基于模型检验的弹性策略可以改进供应不足的情况,同时避免过度供应
文章结构目录:
- 章节二:提出弹性决策的方法,介绍了基本的
MDP
模型和基于其运行时实例化的弹性策略。同时解释了 PRISM
如何来实现这一目的
- 章节三:如何将方法融入到现有系统
- 章节四:实验评估
- 章节五:相关工作
- 章节六:工作总结和未来展望
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)